HNU 13308 Help cupid

简介:  Help cupid Problem's Link:  http://acm.hnu.cn/online/?action=problem&type=show&id=13308&courseid=0   Mean:  地球被划分为24个时区(-11~23),现在给出n个人的时区,将这n个人两两配对,使得n/2对配偶的时区差值之和最小。

 Help cupid

Problem's Link:  http://acm.hnu.cn/online/?action=problem&type=show&id=13308&courseid=0


 

Mean: 

地球被划分为24个时区(-11~23),现在给出n个人的时区,将这n个人两两配对,使得n/2对配偶的时区差值之和最小。

analyse:

由于给的都是整数,而且只有24个时区,首先统计每个时区有多少人。

然后每个时区的人数都%2,因为同一时区的两个人差值为0。

接着就是枚举人数不为零的时区的人数。

根据贪心的思想,我们知道除了第一个和最后一个外,其他人都是和相邻两个的其中一个匹配,为什么呢?自己画个圈去证明。

对于第一个和最后一个,要么最后特判一下,要么直接在数组后面接一个每个元素+24的数组(处理环常用方法),暴力一下就行。

Time complexity: O(N)

 

Source code: 

/*
* this code is made by crazyacking
* Verdict: Accepted
* Submission Date: 2015-07-26-08.27
* Time: 0MS
* Memory: 137KB
*/
#include <queue>
#include <cstdio>
#include <set>
#include <string>
#include <stack>
#include <cmath>
#include <climits>
#include <map>
#include <cstdlib>
#include <iostream>
#include <vector>
#include <algorithm>
#include <cstring>
#define  LL __int64
#define  ULL unsigned long long
using namespace std;
int a [ 50 ], ti [ 50 ];
int main()
{
      ios_base :: sync_with_stdio( false);
      cin . tie( 0);
      int n , tmp;
      while( cin >>n)
      {
            memset( a , 0 , sizeof a);
            for( int i = 0; i <n; ++ i)
            {
                  cin >> tmp;
                  a [ tmp + 11 ] ++;
            }
            for( int i = 0; i < 50; ++ i) a [ i ] &= 1;
            int cnt = 0;
            for( int i = 0; i < 50; ++ i)
            {
                  if( a [ i ]) ti [ cnt ++ ] = i;
            }
            int c = cnt;
            for( int i = 0; i < c; ++ i) ti [ cnt ++ ] = ti [ i ] + 24;
            LL ans = LLONG_MAX;
            for( int i = 0; i < c; ++ i)
            {
                  LL sum = 0;
                  for( int j = 0; j < c; j += 2) sum += ti [ i + j + 1 ] - ti [ i + j ];
                  ans = ans < sum ? ans: sum;
            }
            if( ans == LLONG_MAX) cout << 0 << endl;
            else cout << ans << endl;
      }
      return 0;
}
/*

*/

 

目录
相关文章
|
2月前
|
SQL Java API
Apache Flink 2.0-preview released
Apache Flink 社区正积极筹备 Flink 2.0 的发布,这是自 Flink 1.0 发布以来的首个重大更新。Flink 2.0 将引入多项激动人心的功能和改进,包括存算分离状态管理、物化表、批作业自适应执行等,同时也包含了一些不兼容的变更。目前提供的预览版旨在让用户提前尝试新功能并收集反馈,但不建议在生产环境中使用。
755 13
Apache Flink 2.0-preview released
|
7月前
|
SQL 大数据 Apache
Flink Has Become the De-facto Standard of Streaming Compute
本文整理自 Apache Flink 中文社区发起人、阿里巴巴开源大数据平台负责人王峰(莫问),在 Flink Forward Asia 2023 主会场的分享。
420 0
Flink Has Become the De-facto Standard of Streaming Compute
|
7月前
|
存储 分布式计算 大数据
odps是什么
【5月更文挑战第5天】odps是什么
1789 6
|
7月前
|
存储 SQL 分布式计算
Apache Paimon:Streaming Lakehouse is Coming
Apache Paimon:Streaming Lakehouse is Coming
251 57
|
关系型数据库 MySQL 大数据
海程邦达基于Apache Paimon+Streampark实现 Streaming warehouse的实战应用(下)
海程邦达基于Apache Paimon+Streampark实现 Streaming warehouse的实战应用
247 0
|
存储 消息中间件 大数据
海程邦达基于Apache Paimon+Streampark实现 Streaming warehouse的实战应用(上)
海程邦达基于Apache Paimon+Streampark实现 Streaming warehouse的实战应用
242 0
|
分布式计算 DataX MaxCompute
DataX使用指南——ODPS to ODPS
1. DataX是什么 DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台,实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、OTS、ODPS 等各种异构数据源之间高效的数据同步功能。
47904 2
|
存储 SQL 分布式计算
ODPS
ODPS(Open Data Processing Service)是阿里云推出的大数据计算平台,提供海量数据存储和计算服务,支持多种计算引擎和编程语言,包括MaxCompute(原名ODPS)、Spark等。用户可以使用ODPS平台进行数据存储、计算和分析,在不需要维护自己的硬件和软件环境的前提下,快速构建和部署大规模数据处理应用。
3337 0
|
SQL 存储 分布式计算
|
消息中间件 传感器 NoSQL
【Flink】(三)详解 Flink DataStream API(Environment、Source、Transform、Sink)1
【Flink】(三)详解 Flink DataStream API(Environment、Source、Transform、Sink)1
357 0